1.一种电动汽车虚拟储能集群调度目标协同优化方法，其特征在于，所述方法包括：步骤A、建立用于分层能量管理的分层架构，将电动汽车划分为集群，获得电动汽车虚拟储能集群；步骤B、构建多目标量子遗传算法，根据终端用户确定的电动汽车充放电服务的各项参数和所述多目标量子遗传算法，对预设模型进行求解，得到多目标量子遗传能量管理策略；步骤C、根据所述多目标量子遗传能量管理策略，对电动汽车虚拟储能集群调度进行优化控制；所述步骤A中建立用于分层能量管理的分层架构包括：将系统划分为响应控制层、集群聚合商层和电网层；在响应控制层，终端用户确定电动汽车充放电服务的各项参数，通过各集群的能量管理控制中心将数据发送至集群聚合商层；在集群聚合商层，根据电网调度中心规定的实时电价信息和调度指令，对电动汽车的充放电行为进行决策；在电网层，调度中心根据当前配电网的负荷信息对电价、各种调节资源进行调整；所述步骤A中将电动汽车划分为集群包括：通过分层控制方式，根据电动汽车的不同集群聚合商将电动汽车分为各集群，通过所述集群聚合商对电动汽车虚拟储能进行调度；在响应控制层：电动汽车用户选择接入电网后，用户向聚合商上报车辆入网的信息，并依据聚合商反馈的充放电电价和协同调度数据，结合电动汽车用户自身充放电需求，用户决定选择是否参与电网优化调控；集群聚合商层：电动汽车聚合商依据用户上报的车辆信息及参与意愿整合所管辖区内可调控车辆总体充电需求、电网调度指令和协同功率指令要求和聚合商运营收益来制定最优充放电策略优化电动汽车虚拟储能调度；电网层：包括配电网和电网调度中心两部分，电动汽车用户通过配电网直接对自身能量进行优化管理，配电网通常采用设置电价的方式，改变用户接入电网充电的时间或改变入网充电的功率，或者通过价格差激励用户反向放电提升配电网自身的稳定运行；电网调度中心将在配电网的基础上通过计算机对集群聚合商上传的数据进行整合，按规定的发电规划及监控原则，对电网的运营状况进行监视和统计，电网调度中心综合优化对集群聚合商分发的调度指令，提升电网平稳性和经济性。
2.根据权利要求1所述的方法，其特征在于，所述步骤B中构建多目标量子遗传算法包括：在量子遗传算法中，采用变异旋转门 以及自适应旋转角 ： ， 式中， 是种群个体适应度； 是种群个体适应度差值； 为种群个体适应度差值的控制变量； 为种群个体适应度差值的迭代值；c为模型中的控制参数；常量 和 分别表示量子旋转门旋转角的最大值和最小值； 、 和 分别表示种群个体适应度的平均值、迭代值和最小值； rand 为随机值； 表示旋转角的旋转方向； 避免最终结果陷入局部最优解空间，ε为阈值；其中 和 分别表示量子位坍缩与0、1状态的概率 ，采用量子位编码的染色体为 ，m为两只染色体基因的长度， 表示染色体第i位的量子位坍缩与0、1状态的概率参数， 为 一次二次迭代值。
3.根据权利要求2所述的方法，其特征在于，所述步骤B中对预设模型进行求解，得到多目标量子遗传能量管理策略包括：对电动汽车进行分类：按照其是否具备调节裕度，将电动汽车分为刚性和柔性两种类型；确定电动汽车充放电优先级：根据电动汽车分类和可控调节系数确定电动汽车充放电时间；确定充放电功率矩阵：根据电动汽车充放电时间区间和电网调度周期确定每辆电动汽车的充放电功率。
4.一种电动汽车虚拟储能集群调度目标协同优化系统，其特征在于，所述系统包括：处理模块，用于建立用于分层能量管理的分层架构，将电动汽车划分为集群，获得电动汽车虚拟储能集群；求解模块，用于构建多目标量子遗传算法，根据终端用户确定的电动汽车充放电服务的各项参数和所述多目标量子遗传算法，对预设模型进行求解，得到多目标量子遗传能量管理策略；优化模块，用于根据所述多目标量子遗传能量管理策略，对电动汽车虚拟储能集群调度进行优化控制；所述处理模块建立用于分层能量管理的分层架构包括：将系统划分为响应控制层、集群聚合商层和电网层；在响应控制层，终端用户确定电动汽车充放电服务的各项参数，通过各集群的能量管理控制中心将数据发送至集群聚合商层；在集群聚合商层，根据电网调度中心规定的实时电价信息和调度指令，对电动汽车的充放电行为进行决策；在电网层，调度中心根据当前配电网的负荷信息对电价、各种调节资源进行调整；所述处理模块将电动汽车划分为集群包括：通过分层控制方式，根据电动汽车的不同集群聚合商将电动汽车分为各集群，通过所述集群聚合商对电动汽车虚拟储能进行调度；在响应控制层：电动汽车用户选择接入电网后，用户向聚合商上报车辆入网的信息，并依据聚合商反馈的充放电电价和协同调度数据，结合电动汽车用户自身充放电需求，用户决定选择是否参与电网优化调控；集群聚合商层：电动汽车聚合商依据用户上报的车辆信息及参与意愿整合所管辖区内可调控车辆总体充电需求、电网调度指令和协同功率指令要求和聚合商运营收益来制定最优充放电策略优化电动汽车虚拟储能调度；电网层：包括配电网和电网调度中心两部分，电动汽车用户通过配电网直接对自身能量进行优化管理，配电网通常采用设置电价的方式，改变用户接入电网充电的时间或改变入网充电的功率，或者通过价格差激励用户反向放电提升配电网自身的稳定运行；电网调度中心将在配电网的基础上通过计算机对集群聚合商上传的数据进行整合，按规定的发电规划及监控原则，对电网的运营状况进行监视和统计，电网调度中心综合优化对集群聚合商分发的调度指令，提升电网平稳性和经济性。
5.根据权利要求4所述的系统，其特征在于，所述求解模块构建多目标量子遗传算法包括：在量子遗传算法中，采用变异旋转门 以及自适应旋转角 ： ， 式中， 是种群个体适应度； 是种群个体适应度差值； 为种群个体适应度差值的控制变量； 为种群个体适应度差值的迭代值；c为模型中的控制参数；常量 和 分别表示量子旋转门旋转角的最大值和最小值； 、 和 分别表示种群个体适应度的平均值、迭代值和最小值； rand 为随机值； 表示旋转角的旋转方向； 避免最终结果陷入局部最优解空间，ε为阈值；其中 和 分别表示量子位坍缩与0、1状态的概率 ，采用量子位编码的染色体为 ，m为两只染色体基因的长度， 表示染色体第i位的量子位坍缩与0、1状态的概率参数， 为 一次二次迭代值。
6.根据权利要求5所述的系统，其特征在于，所述求解模块对预设模型进行求解，得到多目标量子遗传能量管理策略包括：对电动汽车进行分类：按照其是否具备调节裕度，将电动汽车分为刚性和柔性两种类型；确定电动汽车充放电优先级：根据电动汽车分类和可控调节系数确定电动汽车充放电时间；确定充放电功率矩阵：根据电动汽车充放电时间区间和电网调度周期确定每辆电动汽车的充放电功率。
